PR
本記事はロボットとAI技術の専門誌『日経Robotics』のデジタル版です

 今回と次回は、Bayes Filter系の自己位置推定の内、確率分布をノンパラメトリックなモデルで離散化して表現する手法について述べる。前回説明したExtended Kalman Filter(EKF)などのガウス分布(正規分布)を用いたパラメトリックな手法と比較すると、計算コストは高くなる。一方で、多峰を含む複雑な確率分布を表現できる、強力な利点を持つ。

 確率分布の離散化には、主として2つの方法がある。ヒストグラムでのモデル化と、パーティクルでのモデル化である。今回は、ヒストグラムの手法について述べる。ヒストグラムを用いたBayes Filterを、Histogram Filter(HF)と呼ぶ。また、Histogram Filterによる自己位置推定は、Grid Localizationとして知られている。